CNN成长路：从AlexNet到EfficientNet（02）
一、说明
在~10年的深度学习中，进步是多么迅速！早在 2012 年，Alexnet 在 ImageNet 上的准确率就达到了 63.3% 的 Top-1。现在，我们超过90%的EfficientNet架构和师生训练（teacher-student）。
二、第一阶段
见文：CNN成长路：从AlexNet到EfficientNet（01）
三、第二阶段：近代CNN
3.1 DenseNet： Densely Connected Convolutional Networks （2017）
跳过连接是一个非常酷的主意。我们为什么不跳过连接所有内容？
Densenet是将这种想法推向极端的一个例子。当然，与 ResNets 的主要区别在于我们将连接而不是添加特征图。
因此，其背后的核心思想是功能重用，这导致了非常紧凑的模型。因此，它比其他CNN需要更少的参数，因为没有重复的特征图。
好吧，为什么不呢？嗯......这里有两个问题：
-
特征映射的大小必须相同。
-
与所有先前特征映射的串联可能会导致内存爆炸。
为了解决第一个问题，我们有两个解决方案：
a） 使用具有适当填充的 conv 图层来保持空间暗淡或
b） 仅在称为密集块的块内使用密集跳过连接。
示例图像如下所示：
过渡层可以使用平均池化对图像尺寸进行下采样。
为了解决第二个问题，即内存爆炸，特征图通过 1x1 convs 减少（一种压缩）。请注意，我在图中使用了 K，但 densenet 使用�=��一个��一个��/2K=Fe a tmaps/2
此外，当不使用数据增强时，它们在每个卷积层后添加一个 p=0.2 的 dropout 层。
3.2 增长率
更重要的是，还有一个参数控制整个架构的特征图数量。这是增长率。它指定每个超密集卷积层的输出特征。鉴于k0初始特征图和k增长率，可以计算出每层输入特征图的数量l如
.在框架中，数字 k 是 4 的倍数，称为瓶颈大小 （bn_size）。
最后，我在这里引用DenseNet在火炬视觉中最重要的论点作为总结：
import torchvision
model = torchvision.models.DenseNet(
growth_rate = 16, # how many filters to add each layer (`k` in paper)
block_config = (6, 12, 24, 16), # how many layers in each pooling block
num_init_features = 16, # the number of filters to learn in the first convolution layer (k0)
bn_size= 4, # multiplicative factor for number of bottleneck (1x1 cons) layers
drop_rate = 0, # dropout rate after each dense conv layer
num_classes = 30 # number of classification classes
)
print(model) # see snapshot below在“密集”层（快照中的密集层5和6）内部，有一个瓶颈（1x1）层，将通道减少到bn_size∗growth_rate=64bn_size∗growth_rate=64在我们的例子中。否则，输入通道的数量将激增。如下图所示，每层加起来16=growth_rate16=growth_rate渠道。
在实践中，我发现基于 DenseNet 的模型训练速度很慢，但由于功能重用，与具有竞争力的模型相比，参数很少。
尽管DenseNet被提议用于图像分类，但它已被用于特征可重用性更为关键的领域的各种应用（即分割和医学成像应用）。从 Papers with Code 借来的饼图说明了这一点：
图片来自带有代码的论文
在 2017 年的 DenseNet 之后，我只发现 HRNet 架构很有趣，直到 2019 年 EfficientNet 问世！
3.3 大迁移（Big Transfer-BiT）：一般视觉表示学习（2020）
尽管已经提出了许多ResNet的变体，但最新和最著名的是BiT。大转移（BiT）是一种可扩展的基于ResNet的模型，用于有效的图像预训练[5]。
他们基于 ResNet3 开发了 152 个 BiT 模型（小型、中型和大型）。对于BiT的大变化，他们使用ResNet152x4，这意味着每层都有4倍的通道。他们在比imagenet更大的数据集中对模型进行了一次预训练。最大的模型是在疯狂庞大的JFT数据集上训练的，该数据集由300M标记的图像组成。
该架构的主要贡献是规范化层的选择。为此，作者用组归一化（GN）和权重标准化（WS）取代了批次归一化（BN）。
图片来源：Lucas Beyer和Alexander Kolesnikov。源
为什么？因为第一个BN的参数（均值和方差）需要在预训练和转移之间进行调整。另一方面，GN 不依赖于任何参数状态。另一个原因是 BN 使用批处理级统计信息，这对于像 TPU 这样的小型设备的分布式训练变得不可靠。分布在 4 个 TPU 上的 500K 批次意味着每个工人有 8 个批次，这并不能很好地估计统计数据。通过将规范化技术更改为 GN+WS，它们避免了工作线程之间的同步。
显然，扩展到更大的数据集与模型大小密切相关。
性能与更多和多种模型。
资料来源：亚历山大·科列斯尼科夫等人，2020
在此图中，说明了与数据并行扩展体系结构的重要性。ILSVER是具有1M图像的Imagenet数据集，ImageNet-21K具有大约14M图像，JFT 300M！
最后，这种大型预训练模型可以微调到非常小的数据集，并获得非常好的性能。
性能与更多和多种模型。
资料来源：亚历山大·科列斯尼科夫等人，2020
在 ImageNet 上每个类有 5 个示例，将 3 倍扩大，在 JFT 上预训练的 ResNet-50 （x3） 实现了与 AlexNet 相似的性能！
3.4 EfficientNet：重新思考卷积神经网络的模型缩放（2019）
EfficientNet是关于工程和规模的。它证明，如果您仔细设计架构，则可以使用合理的参数获得最佳结果。
图片来源：Mingxing Tan和Quoc V. Le 2020。
来源：EfficientNet：重新思考卷积神经网络的模型缩放
该图演示了 ImageNet 精度与模型参数。
令人难以置信的是，EfficientNet-B1比ResNet-7小6.5倍，快7.152倍。
3.5 个性化升级
让我们了解这是如何实现的。
-
有了更多的层（深度），人们可以捕获更丰富和更复杂的特征，但这样的模型很难训练（由于梯度消失）
-
更广泛的网络更容易训练。它们往往能够捕获更细粒度的特征，但很快就会饱和。
-
通过训练更高分辨率的图像，卷积神经网络理论上能够捕获更细粒度的细节。同样，对于相当高的分辨率，精度增益会降低
作者没有找到最好的架构，而是建议从一个相对较小的基线模型开始。F并逐渐扩展它。
这缩小了设计空间。为了进一步限制设计空间，作者将所有层限制为具有恒定比率的均匀缩放。这样，我们就有了一个更易于处理的优化问题。最后，必须尊重我们基础设施的最大内存和 FLOP 数量。
下图很好地演示了这一点：
图片来源：Mingxing Tan和Quoc V. Le 2020。来源：EfficientNet：重新思考卷积神经网络的模型缩放
w是宽度，d深度，以及r分辨率缩放因子。通过缩放一个，它们中只有一个会在一个点上饱和。我们能做得更好吗？
3.5 复合缩放
因此，让我们同时放大网络深度（更多层）、宽度（每层更多通道）、分辨率（输入图像）。这称为复合缩放。
为此，我们必须在缩放过程中平衡上述所有维度。在这里，它变得令人兴奋。
这样：α⋅β2⋅γ2≈2，给定所有α，β，γ>1
现在φ控制所有所需的尺寸并将它们缩放在一起，但不能相等。α，β，γ告诉我们如何将额外的资源分配到网络。
注意到什么奇怪的东西了吗？β和γ在约束中平方。
原因很简单：网络深度加倍将使 FLOPS 翻倍，但宽度或输入分辨率加倍将使 FLOPS 增加四倍。通过这种方式，我们类似于卷积，这是基本的构建块。
基线架构是使用神经架构搜索找到的，因此它可以优化准确性和FLOPS，称为EfficientNet-B0。
还行，很酷。剩下的就是定义α，β，γ和φ.
-
修复φ=1，假设还有两次可用的资源，并执行网格搜索α，β，γ.EfficientNet-B0的最佳获取值是α=1.2，β=1.2，γ=1.15
-
修复α，β，γ并扩大规模φ关于硬件（FLOP + 内存）
在我看来，理解复合缩放有效性的最直观方法与 ImageNet 上相同基线模型 （EfficientNet-B0） 的单个缩放相当：
图片来源：Mingxing Tan和Quoc V. Le 2020。来源：EfficientNet：重新思考卷积神经网络的模型缩放
3.6 与吵闹的学生进行自我训练改进了图像网络分类（2020 年）
不久之后，使用了迭代半监督方法。它通过300亿张未标记的图像显着提高了Efficient-Net的性能。作者称培训计划为“嘈杂的学生培训” [8]。它由两个神经网络组成，称为教师和学生。迭代训练方案可以用 4 个步骤来描述：
-
在标记的图像上训练教师模型，
-
使用老师在300M未标记的图像上生成标签（伪标签）)
-
在标记图像和伪标记图像的组合上训练学生模型。
-
从步骤 1 开始迭代，将学生视为教师。重新推断未标记的数据并从头开始培训新学生。
新学生模型通常大于教师模型，因此可以从更大的数据集中受益。此外，在训练学生模型时添加了明显的噪声，因此它被迫从伪标签中学习。
伪标签通常是软标签（连续分布）而不是硬标签（独热编码）。
此外，辍学和随机深度等不同的技术被用来训练新生[8]。
图片来源：Xizhe Xie et al. 来源：Noisy Student 的自我训练改进了 ImageNet 分类
在步骤 3 中，我们使用标记和未标记的数据联合训练模型。未标记的批大小在第一次迭代中设置为标记批大小的 14 倍，在第二次迭代中设置为 28 倍。
3.7 元伪标签 （2021）
动机：如果伪标签不准确，学生不会超过老师。这在伪标记方法中称为确认偏差。
高层次的思想：设计一个反馈机制来纠正教师的偏见。
观察结果来自伪标签如何影响学生在标记数据集上的表现。反馈信号是训练教师的奖励，类似于强化学习技术。
Hieu Pham等人，2020年。来源：元伪标签
这样，教师和学生就得到了共同的训练。教师从奖励信号中了解学生在来自标记数据集的一批图像上的表现。
3 总结和概括
那里有很多凸网！我们可以通过查看下表来总结它们：
| 型号名称 | 参数数量 [百万] | 图像网前 1 名精度 | 年 |
| 亚历克斯网 | 60 米 | 63.3 % | 2012 |
| 盗梦空间 V1 | 5 米 | 69.8 % | 2014 |
| VGG 16 | 138 米 | 74.4 % | 2014 |
| VGG 19 | 144 米 | 74.5 % | 2014 |
| 盗梦空间 V2 | 11，2 米 | 74.8 % | 2015 |
| 瑞思网-50 | 26 米 | 77.15 % | 2015 |
| 瑞思网-152 | 60 米 | 78.57 % | 2015 |
| 盗梦空间 V3 | 27 米 | 78.8 % | 2015 |
| 密集网-121 | 8 米 | 74.98 % | 2016 |
| 密集网-264 | 22. | 77.85 % | 2016 |
| BiT-L （ResNet） | 928 米 | 87.54 % | 2019 |
| 嘈杂学生高效网-L2 | 480 米 | 88.4 % | 2020 |
| 元伪标签 | 480 米 | 90.2 % | 2021 |
您可以注意到DenseNet模型的紧凑性。或者最先进的EfficientNet有多大。更多的参数并不总是能保证更高的精度，正如您在BiT和VGG中看到的那样。
在本文中，我们提供了最著名的深度学习架构背后的一些直觉。话虽如此，继续前进的唯一方法就是练习！从火炬视导入模型并根据您的数据对其进行微调。它是否比从头开始训练提供更好的准确性？
下一步是什么？使用深度学习为计算机视觉系统提供可靠而全面的方法。试一试！使用折扣代码 aisummer35 从您最喜欢的 AI 博客中获得独家 35% 的折扣。使用折扣代码 aisummer35 从您最喜欢的 AI 博客中获得独家 35% 的折扣。如果您更喜欢视觉课程，Andrew Ng的卷积神经网络是迄今为止最好的课程。
4 引用
[1] Krizhevsky， A.， Sutskever， I.， & Hinton， G. E. （2017）.使用深度卷积神经网络进行图像网络分类。ACM的通讯，60（6），84-90。
[2] Simonyan， K.， & Zisserman， A. （2014）.用于大规模图像识别的非常深的卷积网络。arXiv预印本arXiv：1409.1556。
[3] 塞格迪， C.， 刘， W.， 贾， Y.， Sermanet， P.， Reed， S.， Anguelov， D.， ...&Rabinovich， A. （2015）.更深入地进行卷积。在IEEE计算机视觉和模式识别会议记录中（第1-9页）。
[4] He， K.， Zhang， X.， Ren， S.， & Sun， J. （2016）.用于图像识别的深度残差学习。IEEE计算机视觉和模式识别会议论文集（第770-778页）。
[5] Kolesnikov， A.， Beyer， L.， Zhai， X.， Puigcerver， J.， Yung， J.， Gelly， S.， & Houlsby， N. （2019）.大迁移（位）：一般视觉表示学习。arXiv预印本arXiv：1912.11370，6（2）
[6] Huang， G.， Liu， Z.， Van Der Maaten， L.， & Weinberger， K. Q. （2017）.密集连接的卷积网络。IEEE计算机视觉和模式识别会议论文集（第4700-4708页）。
[7] Tan， M.， & Le， Q. V. （2019）.高效网络：重新思考卷积神经网络的模型缩放。arXiv预印本arXiv：1905.11946。
[8] Xie， Q.， Luong， M. T.， Hovy， E.， & Le， Q. V. （2020）.与嘈杂的学生进行自我训练可改进图像网分类。在IEEE/CVF计算机视觉和模式识别会议记录中（第10687-10698页）。
[9] Pham， H.， Xie， Q.， Dai， Z.， & Le， Q. V. （2020）.元伪标签。arXiv预印本arXiv：2003.10580。
[10] Szegedy， C.， Vanhoucke， V.， Ioffe， S.， Shlens， J.， & Wojna， Z. （2016）.重新思考计算机视觉的初始架构。IEEE计算机视觉和模式识别会议论文集（第2818-2826页）。